روش کلیدی در پیش­بینی ساختار کمپلکس رسپتور-لیگاند در فرایند کشف داروها و ترکیبات پیشرو جدید، داکینگ مولکولی نامیده می­شود. این تکنیک برای اولین بار اواخر سال ۱۹۸۰ مورد استفاده قرار گرفت و امروزه به طور گسترده به عنوان ابزار جستجوی مجازی در مراحل اولیه فرایند توسعه دارو به کار برده می­شود. علاوه بر این، روش داکینگ مولکولی روشی ارزشمند برای شناخت بهتر برهم ­کنش­های رسپتور-لیگاند است.

فرایند داکینگ شامل سه فاز اصلی است. فاز یک، مرحله نمونه­ گیری، شامل ایجاد کانفورماسیون­های مختلف لیگاند و بررسی جهت­ گیری آنها نسبت به جایگاه فعال رسپتور است. وقتی انعطاف­ پذیری رسپتور هم مد نظر باشد، فاز نمونه­ گیری شامل تغییرات کانفورماسیونی رسپتور نیز می­شود. در فاز دوم، مرحله امتیازدهی، تمایل اتصال لیگاند به رسپتور تخمین ­زده می­شود. وقتی که داکینگ در جستجوی مجازی ترکیبات یک کتابخانه مجازی مورد استفاده قرار می­گیرد، ترکیبات براساس حالت با بهترین امتیاز دسته ­بندی می­شوند (مرحله رتبه­ بندی). امتیاز اختصاص یافته به هر حالت براساس ارزیابی تابع امتیازدهی که اغلب انرژی آزاد اتصال لیگاند-رسپتور را نشان می­دهد بدست می­آید. اغلب الگوریتم­های امتیازدهی بر ویژگی­های آنتالپی سیستم متمرکز شده­اند در حالیکه اثرات آنتروپی نیز در اتصال مولکول­ها به یکدیگر نقش دارند. در اکثر موارد نرم­ افزارهای داکینگ ساده­ ترین حالت نمایش رسپتور را با صرف نظر از انعطاف­ پذیری آن و همچنین نادیده گرفتن مولکول­های حلال با هدف کاهش حجم محاسبات به کار می برند.

image1

تابع امتیازدهی یکی از مفاهیم اصلی در داکینگ مولکولی است. این تابع الگوریتم داکینگ را قادر می­ سازد تا با سرعت کمیت برهم­کنش بین لیگاند و رسپتور را بیان کند. در طول فاز نمونه­ برداری الگوریتم داکینگ کانفورماسیون­های مختلفی از لیگاند را در جایگاه فعال رسپتور جای می­دهد و براساس تابع امتیازدهی آنها را رتبه­ بندی می­کند. در حالت ایده­ آل یک تابع امتیازدهی بهترین امتیاز (منفی­ ترین انرژی آزاد اتصال لیگاند و رسپتور) را به کانفورماسیونی از لیگاند متصل به رسپتور اختصاص می­دهد که از لحاظ انرژی در بهترین حالت خود باشد.

یکی از روش­های اندازه­ گیری کارایی الگوریتم داکینگ مولکولی، بررسی قدرت نرم ­افزار در پیش­بینی نحوه اتصال لیگاند کریستالوگرافی به همان رسپتور است که از طریق تعریف ریشه میانگین مربعات انحراف از حالت گریستالوگرافی اندازه­ گیری می­شود. اگرچه کیفیت دسته­ بندی براساس RMSD در مورد مولکول­های کوچک و بزرگ مشکل­ساز است، این روش به طور گسترده به عنوان معیاری برای تعریف موفقیت یا شکست الگوریتم داکینگ به کاربرده می­شود.

معیار دوم برای سنجش کارایی الگوریتم داکینگ مولکولی توانایی آن در پیش­بینی تمایل اتصال لیگاندهای مختلف (انرژی آزاد پیوند شدن) است. چون مقیاس امتیازدهی داکینگ معمولا در محدوده داده­های تجربی نیست، اغلب ارتباط بین امتیاز داکینگ xi و داده­های تجربی yi  با استفاده از ضریب ارتباطی پیرسون CPبیان می­شود.

روش دیگر برای ارزیابی نتایج جستجوی مجازی، منحنی مشخصه عملکرد سیستم یا منحنی عملیاتی دریافت­ کننده[۱] (ROC) است که به طور گسترده در زمینه­ های مختلف به کار برده می­شود

[۱] Receiver-operator characteristic